摘 要：教师负担过重问题日益尖锐，党和国家专门颁布实施了教师减负政策，藉以凸显在教育智能化发展背景里AI主讲课程开发的教师教学减负成效问题。本研究采用融通型混合方法，考察了AI主讲课程开发的教师教学减负成效问题和助理AI执教与独自执教两类教师教学减负话语的差异问题。研究结果显示，基于文化整体论的动态时空融合结构模型观照教师教学减负话语，形成了时间负担、体力负担、情感负担与认知负担的融合型教学负担新概念，为教师教学负担与减负研究提供了新的理论框架；使用文化性话语分析法，在整体层面厘清了AI主讲课程的教师教学减负成效，包括时间减负、体力减负、情感减负和认知减负，其中时间减负成效特别显著，而在具体层面则揭示了助理AI执教和独自执教两类教师对减负效应感受与解释的文化差异并建构了三层环形的“教师教学减负话语结构”整体模型。显然，这些成果对未来教师负担与减负、教师研究者角色发展以及高质量课堂教学创新等课题，无论在实践上还是在研究上，都具有重要的启发意义。
关键词：AI教师；教学负担；教师减负；文化性话语分析；融通型混合方法
一、问题的提出
教师负担过重问题日益尖锐，党和国家专门颁布实施了教师减负政策，藉以凸显在教育智能化发展背景里AI主讲课程开发的教师减负成效问题。在勃然兴起的教师负担研究热潮中，人们从工作量、体力消耗与精神压力等多层面进行了考察，揭示了中小学教师普遍负担过重的现状[1][2]。教学负担（teaching load）是教师工作负担（teacher workload）的重要组成部分。负担过重，导致中小学教师身心健康受损，压力承受超限和职业倦怠流行，成为课堂教学质量提升的瓶颈。对此党和国家高度重视，在《关于减轻中小学教师负担进一步营造教育教学良好环境的若干意见》中明确要求：一方面，“充分利用现代信息技术特别是人工智能技术，提升教育管理工作的信息化、科学化水平，切实做到让信息多跑路、让教师少跑腿”；另一方面，“注重运用信息技术手段，以督促减，以减增效，指导各地做好落实工作”。上述指示，深度表达了党和国家创新政策与体制、开发人工智能强力支持教师减负的要求，同时也彰显了教师负担过重难题解决的人工智能开发路径。
人工智能机器人（artificially intelligent robot teacher）已然进入课堂成为主讲教师[3]，承担起了课目教学的主要工作（见图1）（图1略）。这些年我们率先研发的AI名师“华君”及其主讲课程的研究报告，频繁登上学术研究杂志[4][5][6][7]。AI教师主讲课程的同课异构教学比较试验研究资料显示（见图2-1至2-4）（图2-1至2-4略），AI主讲教师已然能够赋能学生学习动机、学习投入以及学习成效的显著提升[8]，但在影响教师教学活动或促进教师发展的实证资料上仍有待探索。AI主讲教师的出现，为促进真人教师角色转变，使之从程序性的教学工作中抽身，大幅度减轻教学工作负担，发展为教学研究者，提供了机遇与可能。作为教学智能代理主体，AI教师在解决教师教学减负难题上的潜在价值与作用成为亟待开发的重大课题。
二、研究基础
关于教师负担尤其是教学负担的国内外研究正在不断丰富，研究者对教师关于教学负担与教学减负观点的获取主要从访谈话语中进行提炼。因此，开展AI主讲课程开发的教师减负效应研究，需要对话语中所蕴含的文化属性以及教师教学负担本身两个层面进行梳理，关注话语中隐含的文化意识、教学负担概念以及AI教师促进减负的已有研究进展。
（一）话语的文化属性
文化是由意义、语言和图像等资源构成的，在人类理解社会、互动模式以及意义形成之间的相互关系方面具有重要的价值[9]。尽管这些意义建构的象征性资源具有历史特殊性和局部可变性，但它们总是以文本的形式凝结和改变着社会的信仰、关系和身份。“话语”正是指意义建构在特定社会背景下构成社会现实、知识形式和身份的能力，亦是在特定的社会背景和权力关系中构成社会现实、知识和身份的形式[10]，同时它也是人类理解世界和构建文化的媒介与核心手段。
基于此，话语本身包含着的文化属性便得以彰显。从媒介的角度来看，话语不是静止的，它无法在个人的思维内部起作用，而是外部世界与个体思维的中介。在这种中介的作用下，话语赋予了意义建构的实践属性，它是一种交流的程序而非内容本身。可以说，话语本身就是一种实践，它进一步揭示了文化作为人们日常理解行为的集体资源。[11]从核心手段的角度来看，话语本身产生于社会实践的互动过程中。作为自我意识与价值观的体现，话语在个人将文化表征内化为心理表征的过程中起作用，同时能够将思维外化为语言符号进行有效的信息传递。在话语的实践视域下，文化变迁是通过作为交往行动的话语来实现的。
（二）教师教学负担
教学负担是指教师在教学过程以及相关活动中所承担的职责、工作、压力以及由此付出的相应代价的总和[12]。减轻教师的教学负担一直是教育工作者面临的长期挑战。教师对教学负担的感知主要从时间负担、体力负担和心理负担等方面来衡量。时间负担表现为教师花在教学工作上的所有时间，通常分为教学、准备、管理、在职培训和其他活动上的时间[13]。教师的体力负担（生理负担）具体包括体力透支、大脑过度劳累、肩脊颈劳损、咽喉发炎等。心理负担可分为情感负担和认知负担[14]。负担过重可能会唤起慢性压力，产生过度疲劳，最后导致职业倦怠，进而可能会引发心理疾病以及对工作的限制[15]。研究表明，教师工作压力和负担与教师职业倦怠有很大关系[16]，与具有职业倦怠的教师相比，健康和积极投入的教师有更大的可能去完成和实现教育目标[17]，也更能够有效地调动学生的兴趣、精力、兴奋和好奇心[18]。
教师处于学生学习环境的中心位置，而AI在教育中的一个重要目标就是在不影响学习成果的情况下减少教师的工作量[19]。因此，利用技术赋能教师专注于教学活动本身而非其他工作，从而助力教师在课堂中提升教学成效成为了智能技术在教育领域的主要发展向度。已有研究发现，在教学过程中使用技术智能代理能够减轻教师的工作负担，提升教学效果[20][21]。此外，使用AI评估工具，还可以对学生进行定性评估，以减少教师的工作量[22]。这些工具还可以通过语义分析、语音识别、自然语言处理和强化学习等机器学习技术得到进一步增强，以提高评估质量[23]。AI教师作为一种新型技术智能代理主体可以对真人教师的时间、体力、认知和情感产生减负成效，并反映到教师的行为、话语及其关系场域中。
综上所述，话语的文化属性使得AI主讲课程中真人教师对教师减负成效访谈中的实践意义得以敞亮。然而，当前大部分关于教师教学负担的研究仅仅从“负荷/负担”的心理学定义出发，也通常从量化研究的角度进行数据分析，并未探索教师教学负担本身所形成的文化性或社会性问题。因此，本研究从文化整体论的观点出发，考察教学负担的多维时空内涵，提炼教师关于AI赋能真人教师减负观点话语中的文化属性，探索文化整体论视角下AI主讲教师减负效应的内在机理与结构，据以洞察智能化课堂下教师专业发展新路向。
三、研究过程
本研究从文化整体论出发，运用“文化性话语分析”技术和融通型混合方法[24][25][26][27]，选取广州市参与“AI教师主讲课程开发研究项目”的一所小学的11位英语教师，并将其分为两类：一为E类教师，共4位，分别联袂助教AI主讲课例；二为C类教师，共7位，分别独自执教“同课异构”（4位）或公开课例（3位）。后面7位教师均观摩了E类教师助教AI主讲课例，且作为研究参与者，从整体时空结构就AI促进真人教师减负的感知与相关评价进行了探索性调查。本研究的资料收集采取半结构化访谈进行，而资料处理选用量化的描述性统计与质性的文本分析来完成。
（一）方法建构
从文化整体论出发，本研究主要从两个层面进行研究方法的建构，运用“文化性话语分析”技术以切入AI主讲课程开发的教师减负效应分析。
第一，选取批判话语分析作为方法建构的基础。理解AI促进真人教师减负并非单纯从教师话语本身的文本字数、结构、内容进行讨论，而是通过不同的外部要素与内部形态揭示其深层内涵与价值，如真人教师对AI的认识、教师的实践活动以及两者权力关系冲突等。这便需要借助诺曼•费尔克拉夫(Norman Fairclough)等人的批判话语分析（critical discourse analysis，CDA）方法[28][29][30][31]，从文本特征、话语实践以及社会实践三个层面探索与挖掘访谈内容中“减负”话题的社会属性。
第二，将文化时空属性发展到教师话语分析中的时空结构。从心理学对于负担的界定来看，一般教师教学负担主要表现为体力负担、情感负担和认知负担三方面[32]。然而，教师教学活动作为特殊的文化活动，而文化在时间和空间上被载体（人）的时间和空间分布所定位[33]。因此，其具有的文化属性将聚焦于教师关于减负效应的访谈话语中，教师的教学负担结构也因文化的时空结构得以改变，形成教师教学的时间负担、体力负担、情感负担和认知负担的时空整体结构。
（二）研究参与者选取
本研究依托华南师范大学德育神经科学与人工智能实验室与多地多所小学开展的联合试验——“AI全科教师主讲课程开发研究项目”，将南京阿凡达机器人科技有限公司的教育服务机器人i宝开发为AI全科主讲教师，取名为“华君”。研究参与者采取非随机抽样，选取2021年9月-12月期间举行的“AI与真人教师‘同课异构’教学观摩活动”中联袂助教AI教师主讲英语课例的真人教师4人（以下简称E类教师），“同课异构”中独自执教英语课例的真人主讲教师（4人）以及另外独自执教相关公开英语课例的真人主讲教师（3人）共7人（以下简称C类教师），C类教师均观摩过同事联袂助教AI主讲课例。在开展正式分析前，我们对11位研究参与者教师的教龄进行了差异性分析，以减少教师个体实践经验差异等无关变量对研究结果的影响，分析结果表明两类教师在教龄上无显著差异。
（三）资料收集
研究采取半结构化访谈进行资料收集。访谈形式采取书面与口头结合，口头访谈采取面对面与电话相结合。其中，书面访谈主要聚焦在教学时间上，具体包含：备课时间的资料收集，采取发放和回收“同课异构或公开课备课时间专用登记表”；授课时间的资料收集，采取“课例教学视频回放的教师授课时间登记表”。而在面对面或电话访谈开始前，每位访谈人均获得了各位受访教师的同意进行摄像或录音，每人次访谈时间约为30分钟。除受访者的基本信息外，访谈内容分为五个部分：教学工作时间、体力负担（工作内容、工作强度等）、情感负担（优势对比、使用意愿等）、认知负担（内部负担、外部负担对内部负担的影响、元素交互等）以及前景展望。部分访谈问题会根据受访者上课类型的不同进行修改以便对比。访谈结束后，研究小组成员将音像资料逐字转录形成文本形式，共得到约6万多字的文本材料。所有文本材料使用成员检验法以及参与者回顾的形式[34]，经多位研究者审查后返送给各位受访者确认进行参与者检验，以保证研究效度。
（四）资料编码与分析
1.编码
我们对收集到的资料进行归纳编码。其中，将书面收集到的教师备课时间资料分类归纳编码为“联袂助教AI主讲课例的真人教师备课时间”和“独自执教同课异构或公开课例的真人教师备课时间”，将教师授课时间资料分类归纳为“联袂助教AI主讲课例的真人教师授课时间”和“独自执教同课异构或公开课例的真人教师授课时间”。
而对于口头面对面或电话访谈所得资料，我们首先对访谈资料进行了关键词归纳编码，将较长的话语成分转码为若干部分，以便进一步比较与分析。工具选用NVivo11定性分析软件，对文本资料进行分类与编码，以识别重复出现或重要的主题与概念。同时，采用批判话语分析技术来透视受访者所表达的内容（命题）以及表达的方式（语言）[35]。为了提升编码的信度，保证编码结果的资料饱和，在一位研究者进行手动编码后，再由另一位研究者进行复审，加以微调分类。
2.分析
根据所获得的时间数据以及访谈文本资料，我们使用由批判话语分析发展而来的文化性话语分析方法，从时间付出、文本特征、话语实践以及社会实践四个层面[36]，探索与挖掘访谈内容中“减负”话题的文化与社会属性。在时间付出方面，我们对书面访谈回收或视频回放的记录文本类型编码资料，进行了描述统计分析；在文本特征层面，对两类教师执教课例形式的英语教师在访谈中的话语主题以及情态标记的异同进行描述性统计分析；在话语实践方面，关注教师访谈中的话语背景介入与连贯性，以阐释文本的生产与消费过程；在社会实践方面，则注重解释两类课程形式的英语教师访谈背后的社会实体、社会关系以及社会身份。同时，我们在社会实践部分还融合了Van Leeuwen的批判话语分析方法，该方法讨论了“目的”在话语中的建构方式，试图解释社会实践存在及其形成的原因。[37]
四、研究发现与讨论
本研究在方法和内容的发展上，均获得了经验性事实的发现，取得了富有新颖性的成果。在方法层面，依托批判话语分析，从文化整体观视角入手，创用了“文化性话语分析”方法，形成了动态整体的“历时—共时融合话语分析框架”。在内容层面，重新清理了在文化整体观映照下的“教师教学负担”概念，同时通过时间负担、体力负担、情感负担和认知负担的教学负担内涵结构考察“AI主讲课程开发的教师教学减负”效应，并建构了“教师教学减负话语结构”模型。
（一）创用“文化性话语分析”方法
本研究在批判话语分析的基础上，结合话语的文化属性，创用了动态整体的文化性话语分析。文化性话语分析中包含的理论探索与实证价值，彰显了其作为一种混合方法的特点。
从文化意识层面来看，个体在进行话语表达的过程中输送着自身的文化意识，而批判性文化意识能够将个体对语言或话语本身的关注明确地延伸到文化的其他方面[38]。这意味着话语背后的意图、话语形成的方式以及个体所处的社会文化背景得到了重视。因此，以批判话语分析为底，挖掘教师话语中的文化属性是分析教师减负效应的重要路径，同时也彰显着文化性话语分析的目标——将批判性文化意识纳入话语分析中。此外，批判话语分析本身具有的文化属性与教师减负话语的文化属性相契合。从批判性的视角来审视文化生产与符号形式的内在逻辑，已成为当代文化哲学的一个生长点[39]。文化性话语分析通过搭建话语与文化的桥梁，扩展批判性话语中的文化结构使得教师减负话语中的隐形文化形态得以澄清。
从文化的时空整体观来看，文化性话语分析发展出了“历时—共时融合”的方法框架，进一步聚焦于教师教学负担，集合并析出教学负担的时间、体力、情感和认知四个方面的“文化框架”。在时间层面，教师的教学负担主要体现于教学工作量的多少；在空间层面，其教学负担体现于教师本身的体力、认知与情感负担。我们在以新的方法框架切入到对教师教学负担的话语分析中，形成了包含时间、体力、认知与情感负担下的“时间付出”“文本特征”“话语实践”和“社会实践”的分析结构。因此，根据文化整体论形成的文化性话语分析方法发展出的教师关于教学负担内容的时空结构，是分析教师教学减负效应的关键向度与价值旨归。
（二）“教师教学负担”的再概念化
从文化整体论的观点出发，在文化性话语分析的支持下，教师教学负担的概念由扁平化的空间结构发展为整体性的、动态的时空结构。在时间维度，教师的教学负担更多体现在教学工作量上。教学工作量也指教师的工作时间，即教师为完成工作任务所消耗的时间总量[40]。教师在时间层面所存在的教学负担或压力是在一定时间范围内所面临的工作要求与其可支配的资源之间的平衡被打破的结果。班额过大、教师短缺、教学方式创新、教学改革等情况都可能是教师时间负担的来源。教学工作数量大、时间长，工作时间分配不均衡，教师合同中规定的工作时间长度无法得到正常保障[41]，这些可能都是教师工作时间负担的主要特点。
在空间维度，教师的教学负担主要表现为体力负担、情感负担和认知负担三个方面。体力负担主要指教师个体在活动中为形成一定的动作，身体各个部位产生的力量与长时间固定在某个姿势所形成的负担。在身体方面，教师的负担主要表现在教学工作强度上。教师需要在积极教学和帮助学生学习的同时，经常静坐、站立和走动，如备课、上课、批改作业以及其他方面的教学辅导等，这时的体力负担过重可能表现为疲倦或使用低水平的能量来执行教学任务。情感负担被概念化为反映个体对工作压力源反应的潜在情感结构，并通过个体在工作中经历的负面情感状态来表征[42]。在情感方面，教师具有引导或帮助性的职责，他必须调节和控制自己的情绪[43]，主要表现在师生关系、职业幸福感、职业倦怠感等方面。情感负担过重可能表现为个人无法在任务或人际关系上投入情感，导致情绪疲劳、紧张和倦怠的感觉。认知负担可以被定义为一个多维的结构，代表了执行一项特定的任务对个体的认知系统所造成的负担[44]。在认知方面，教师负担主要表现在学习教育教学知识、专业知识以及考量教学方法、创新有效教学知识等方面。教师需要记忆和讲授已计划完善的教学内容，并对学生的问题和其他发生的问题作出回应。此外，还需要对学生的学习问题进行研究解决，完成情境化的教学实践认知任务[45]，由此导致的认知负担过重通常表现为精神疲惫的感觉和经历快速思考的困难[46]。
这样，一个整体性的教师教学负担概念就生成了。借助文化整体主义的视角，并创用文化性话语分析技术，教师教学负担在时间、空间和压力三维立体框架里，指称了教师在教学活动中所承受的时间负担、体力负担、情感负担和认知负担及其多面多层多样的网络结构。
（三）厘清“AI主讲教师减负”效应
1.时间付出分析：教师主体功能变换
本研究就联袂助教AI主讲课例与独自执教同课异构或公开课例的E类和C类真人教师备课时间和授课时间的花费，进行了以小时为单位的统计比较（见表1）（表1略）。E类真人教师备课时间的均值为5.5小时；C类真人教师备课时间的均值为11.65小时；两者的均值比分别为12.07%和828.66%，时间减负均值为6.15小时，亦即AI主讲一节课，平均可以为真人教师减少6.15小时的备课时间负担。E类真人教师授课时间的均值为0.1474小时；C类真人教师授课时间的均值为0.7410时；两者的均值比分别为53.90%和185.52%，时间减负均值为0.5936小时，亦即AI主讲一节课，平均可以为真人教师减少0.5936小时的授课时间负担。这些结果表明，联袂助教AI主讲课例的真人教师备课时间和授课时间显著少于独自执教同课异构或公开课例的真人教师备课时间与授课时间。
这些统计数据资料显示，联袂助教AI主讲课例的真人教师的备课时间与上课时间分别减少了52.8%与80.1%。鉴于当前AI主讲课例的特殊性，联袂助教AI主讲课例的真人教师与独自执教同课异构或公开课例的真人教师共经历了一周的备课时间。当AI主讲课堂“常规化”后，联袂助教的真人教师可以将减少的教学工作时间用于诸如教学研究者、创新者角色的发展。当教师将自身代入研究者角色后，他们将在提升学生学习成效、创新教学方法、发展教学实践[47]等方面发挥重大的积极影响。
测试结果表明，AI教师作为智能代理主体拥有教学能力（pedagogical ability）[48]。科技哲学分析则进一步阐明，在AI教师主讲课例开发中，教学能力卓越的高校课程与教学论学术研发共同体已经作为“教学智能代理主体”，[49][50][51][52][53][54]能够有效地代理真人教师完成高质量的备课与磨课，开发完整的高质量教学设计，并藉由AI作为混合空间“智能媒介”的强大介导作用（mediation）[55]，将实体空间隔离在课室之外的教学智能资源“介导”进课堂，使得AI教师能够在较大程度和较高水平上有效代理一线真人教师备课与授课，在减轻真人教师负担的基础上弥补真人教师在课程开发上的短板，提升教学质量。联袂助教AI主讲课例的一线真人教师仅需要基于班级学生特点进行个性化的修改、完善，同时使用相对较少时间进行操作训练，与AI教师进行磨合后便能顺利组织高水平教学活动。
AI教师在课堂中的教师减负意义同时还体现在保证学生学习质量方面。前期相关研究已表明，AI主讲教师在课堂中能够有效增强学生的学习动机、增加学习投入和提升学习成效[56]，凸显了AI作为主讲教师在课堂中的可行性与有效性。本研究对受访教师关于课堂效果、学生学习质量的陈述内容也呼应了前期结果，印证了AI教师的减负增效作用——两类受访教师结合与AI教师联袂执教或课例观摩的经验，发现在AI教师主讲的课堂中，学生在课堂中的互动反馈、语言输出、活动参与度以及学习兴趣较好，学生得到了更加具体化的指导。由此显示，凭借所拥有的卓越教学智能的强大介导作用，AI教师在教学活动中作为教学智能代理主体凸显了教师的教学信息转化与传输功能。有了AI教师的帮助，真人教师可以将更多的时间放在针对性反馈与个性化学习辅导上。所以，AI主讲课程在保障学生学习质量的前提下能够显著减轻教师教学时间负担，具有重要的教学高质量发展意义。
2.文本特征分析：话语主题与情态描述
利用NVivo11的词频查询功能[57]，我们将访谈内容中的受访者话语进行提取后，分别整理出E类教师和C类教师的词汇945与611个。两类课例形式教师话语的教学负担主题以及情态特征通过词频分析与访谈文本材料本身进行描述，意在观察分别参与两种课例形式的真人教师在访谈回答语句中的出发点与其陈述主题之间的“亲和距离”。
（1）“我”与“他”——话语主题的身份表征
在进行AI主讲课程开发的教师减负效应的回答中，E类教师和C类教师的出发点和态度都存在一定的差别。E类教师形成了经验总结式的减负效果反思与展望。结合文本材料的编码来看，联袂助教AI主讲课例的此类教师较多是从自身角度出发从两类课例的备课、上课、使用意愿以及个人发展层面进行比较，强调以“我”为中心的语言组织形式。E类教师虽然具有强烈的实践体验，但在新旧身份的转变之下，他们对减负效果的描述仍存在着双重视角。教师新身份的话语建构反映出了此类受访者在经历教学活动之后的总结，经过前后经验对比将AI教师促进减负的效果进行语言加工转述，将话语体系拉入自身范围之中，形成双重身份的话语形态。而C类教师展现了旁观者视角的减负效果代理体会。与AI主讲课例认知方式的不同，独自执教同课异构或公开课例的C类教师受访者在对教师减负效果的体会中更多以“代理”的方式进行感知和体会。因此，在建构话语主题时，多视角的语言形式（如我、他们、学生等）得以生成。由于话语身份的保持，该类教学受访者的话语材料中出现了很多疑问句的形式，将个人体会进行描述并向访谈者寻求回应——“现在班级中的学生数量比较多，如果是这种情况，我觉得（AI教师的参与）就能够更方便老师去课堂上比较有针对性的个性化的指导，这个教学效果也会更加好”（访谈资料C02）。可以看出，教师的回复对自身思考具有明显的不确定性。这里教师的语言描述中出现了双主体（教师与学生），同时还将自身的现实体会与代理体会进行融合。
（2）主客观态度——话语表达的情态刻画
话语材料中受访者对现实描述的情态词句反映着受访者的情感或者态度。本研究将两类课例形式下教师访谈话语中的情态词及其频次进行了统计（见表2）（表2略），从意义的角度对文本材料的情感表达进行描述。结果显示，两类教师在进行话语表达时的情态特征方面基本相似。大部分情况下，教师会采取不确定的情态词表达（如可能、比较、大概等），对自身态度进行模糊表征。但同时，“我觉得（感觉、认为）”的话语标记在言语表达中带有强烈的主观意愿[58]。在两类词性的对比之下，教师们的主客观意识的矛盾由此凸显。可以看出，访谈回答中将自身观点的确定性减弱意味着受访教师在对AI教师课程开发的教师减负相关问题的回应暗含着对主观色彩的减弱，希望以更加客观、严谨的角度来进行比较。此外，聚焦于情态词的意义特点，两类教师存在一定的差异性：E类教师相对采用了更多的肯定性或确定性词语进行表述（如应该、一定、肯定等），这种取向一方面体现出这类教师受访者获得了自身实践经验的确证，形成了更加确定的观点；另一方面也反映出该类教师对AI促进教师减负的话题更具有话语权。
3.话语实践分析：互文性与连贯性阐释
话语实践分析关注文本材料的生产与消费。文本的互文性（互为话语性）侧重文本生产，重点考察在不同话语背景介入下产生的文意或语意。连贯性侧重于文本消费，刻画文本中各要素交织而成的整体意义。由此，基于访谈文本材料，本研究确定了两类教师受访者对AI促进真人教师减负的态度、使用意愿、未来期望的表述、话语背景介入及其因果脉络链条，以阐释两类教师访谈文本的互文性与连贯性。
（1）AI助力减负——实践与发展的多重介入
受访教师话语的产生背后映射着其对AI主讲课程开发助力真人教师减负的背景条件。经过对11位教师的访谈文本材料中有关“减负、减轻、负担”等词汇进行词频分析后，共出现相关词汇46次。考察词汇所处语句并进行编码可以发现，所有受访教师在总体上认同AI主讲课程开发的教师减负效果，部分教师处于一定程度上认同或有条件认同的状态（共形成40个编码节点）。其中，一定程度上的认同体现于部分教师对时间负担、体力负担、情感负担或认知负担的某一方面减负的重点关注，如“对我来说就是减少体力，备课不用那么累，然后自己讲的没那么多，不用那么辛苦”（访谈资料E03）。有条件认同的状态则体现于对AI主讲教师现有功能的不满足与提升意愿，这点集中体现于真人教师对AI身高、语音等参数以及作业批改的智能化程度具有一定的期望。
通过对不同的负担类别进行分析后发现，首先，E类教师虽然需要在备课期间与AI教师进行磨合，但是能够在课堂活动中减轻体力负担。结合备课时间付出来看，E类教师们的磨合时间较短且每位教师前期都减轻了相关的备课负担。其次，通过AI的介入，教师能够减轻情感负担，减少职业倦怠。最后，虽然教师需要在联袂助教的过程中学习新的技术，认知负担会在一段时间内和或一定程度上提升[59]，但是由于教学信息化、智能化的趋势，这类认知负担最终会逐步消解并转化为体力负担的减轻。
结合教师受访者语境发现，两类课例形式中的教师受访者具有相同的话语介入。受访者认为AI教师能够助力教师减负具有两大方面的话语背景：个体工作发展需求和社会发展需求。首先，个体需求是教师认同AI教师[60]助力其减负的重要背景。根据受访者谈到的与AI联袂执教的合作效果、使用意愿以及未来期望的话语，其中均有涉及教师对自身发展需求的词汇（学习、发展、提升等，共出现14次）或者教学减负需求的词汇（轻松、时间、体力等，共出现35次）。其次，社会发展需求[61]是另一个重要的话语背景。受访者曾多次提到的当前教学信息化、教学智能化的背景与趋势——“这种多元的课堂是可以的，都是要尝试，以后可能就是这个趋势”（访谈资料C07）；“因为我觉得信息技术和教学的融合就是我们这个时代发展的趋势，而且我觉得信息技术应用得好，可以提高我们的课堂效率”（访谈资料E04）。
上述话语背景除了影响教师的积极表述话语外，也具有一定的限制作用。在智能化教学改革的驱动下，教师需要吸收乃至创作新知识的难度也提高了，这就在一定时间内和一定程度上增加了教师的认知负担。这从侧面反映了教师对AI进入课堂助力减负的限制话语：学校的整体规划、需要后续不断学习、个人时间允许以及AI处于实践摸索的阶段等。研究表明，教师的工作负担会影响他们在课堂上对技术的接纳程度[62]。可以看出，即使具有依靠AI助力真人教师减负的意愿，受访教师也需要考虑常规教学任务、额外行政工作、学校部署以及国家的大力推行等工作环境。
（2）态度与意愿——多要素调节的因果链条
基于访谈的文本脉络以及关键节点，本研究整理出两类教师受访者的话语回答脉络（图3、图4）（图3、图4略），形成了多因素影响下受访者对AI主讲课程开发的教师减负态度与意愿表述结构。根据回答脉络，两类教师受访者的话语立场与意义得以澄清。经过对两类教师的回答脉络图以及访谈编码内容进行比较，可以发现两类教师受访者在对日常工作经验总结层面是高度相似的，但是在对AI教师的定位/功能/价值认识以及对AI教师的减负态度、使用意愿以及未来展望四方面存在不同看法。
首先，受访者回应AI教师助力减负效应的起始点在于其对自身日常工作的总结。教师的日常教学工作和其他工作诸如行政事务、家校联系等与教师体力负担具有直接关联[63]，这也导致了教师关注AI的减负功能时首先与自身的日常经验相结合，凸显自身的传统教师角色与功能。教师在经过与AI教师的角色定位对比后，形成了稳定的话语立场。其次，在对AI教师的定位/功能/价值的认识方面，由于视角不同，E类教师能够从备课与上课两个层面来进行阐述，且聚焦于其本身参与的具体课堂活动中。C类教师则通过观摩的形式，单纯从AI主讲课堂的现实变化情况展开话语。但是其进行的是一般性的话语定位，内容阐述会更广泛。再次，由于对AI教师的了解程度不同（联袂合作与课例观摩），两类教师对AI助力减负的态度具有一定的差异性。这种差异集中表现在受访者在备课层面的认识上。在E类教师的访谈话语中，“磨合”成为了其在备课层面的首要关键词，在所有访谈材料中共出现14次：“与AI合作可能需要磨合一段时间，但是上课的过程当中可能会比我上常态课更轻松”（访谈资料E01）。在此情况之下，E类教师话语体系的减负效应是具有一定条件且具有转移性的，即从认知考量到体力考量的转换。可见，在AI促进教师减负的认识上，教学实践促进了认识活动[64]，实践认识的具身性主导着教师话语立场缘由的构建。最后，两类教师对AI教师的使用意愿与未来期望处于同一话语阶段中，均受到了外部因素的影响。然而，C类教师除了上述两类话语背景的介入外，还通过考察学生对AI教师的反馈而对其话语体系进行扩充：“现在的学生可能很喜欢这种信息化互动的东西，我觉得学生会感觉到这种新鲜感，所以也是一个挺好的方向吧，让学生去感受这样一个新的模式”（访谈资料C03）。结合文本分析中提及的话语身份以及教师的减负态度的差异性缘由，E类教师多从备课、批改学生作业的角度来反馈其使用意愿与展望，而C类教师多从课堂活动本身以及学生兴趣来阐述。总体而言，由于参与方式与参与程度的不同，两类教师在AI主讲课程开发的教师减负态度方面存在认识差异，在使用意愿以及未来展望方面亦存在条件性差异。
4.社会实践分析：话语身份与关系解释
话语是社会实践的形式，是社会实践的符号成分[65]。基于对教师受访者话语的主题与态度，以及话语实践中对AI主讲课程开发的教师减负效应话语背景和回答脉络的分析，本研究对两类课例背景下教师话语中AI教师的课堂身份特征变化（角色建构、课堂主体变革以及课堂权力关系转换）和教师受访者在社会实践中的话语建构类别进行了解释，抓取在促进教师减负背景下AI教师和真人教师的社会身份特征以及真人教师关于话语建构面向目标的行动类别。
（1）课堂身份特征变化——AI教师的角色、代理及功能
从两类课例的教师受访者话语中可以看出，由于立场、视角以及活动参与方式的不同，受访者对于AI教师的课堂身份给予了不同的认识。在由AI主讲的课例活动中，AI教师和真人教师的身份特征发生了变化，具体表现为AI教师课堂身份认同以及课堂主体变革和教师的权力关系转变两部分。
教师受访者对AI教师的课堂身份认同体现了AI教师角色建构的效果，也就是说，AI教师角色在课堂中的实施效果能够影响真人教师的认同感。由于当前教师的教学负担过重，两类受访者均对AI教师在课堂中的角色产生了一定的认同，这种认同基本表现在AI教师助力减轻体力负担与情感负担上。在这种情况下，受访者会把认同感的话语关键信息表征于体力和情感负担两方面，而体力负担又与教师授课负担关联。两类受访者根据AI教师主讲的课堂活动效果，从课堂时间使用效率、学生行为反馈等过程性评价要素展示出了对AI教师身份的积极态度。情感负担表征与教师对AI主讲课堂的效果和使用意愿相关联。从话语实践分析来看，两类教师具有共同的认同特征，即在“一定时间内增长自身的认知负担”的基础之上降低情感负担。也就是说，AI教师在课堂中的角色设立需要真人教师在前期进行自我学习与个人角色转变的调试，最终接纳AI作为主讲教师进入课堂。
课堂权力关系是受访者对于智能化的AI与真人教师双师联袂执教课堂主体变化观点的延续。在对AI教师产生角色认同以及促进真人教师减负认识的基础之上，两类教师对于AI作为智能代理主体后延伸出的课堂变化有着不同的态度。E类教师并不担心课堂中真人教师的主体变化，也在一定程度上接纳了AI作为智能代理主体对真人教师部分功能的代替。同时，E类教师的关注点大多集中于AI教师与真人教师的配合效果以及AI教师自身功能能否有效提升学生学习效果（如“AI教师是否具有情绪、能否能够注意到学生的心理变化”）等问题。C类教师回答话语中的一个突出特点是“在维持自身课堂角色的基础之上考虑AI教师的智能代理主体身份”。在课堂权力关系变化的相关话语中，C类教师大多认为AI教师是作为真人教师功能的补充而非代替，以此来呈现教师减负的价值。同时，部分教师对于AI教师常态化进入课堂产生了排斥心理，这可能是基于对真人教师话语权去中心化的担忧而形成的。
（2）话语建构类别——以手段为导向的行动
在AI教师主讲背景下，本研究整理了两类教师受访者关于真人教师减负观点的话语建构类别。根据Van Leeuwen对话语中不同目的类型的划分，两类教师均主要关注以手段为导向（means orientation）的行动来反馈减负效果。[66]这一点在教师对课堂中AI教师的程序描述中尤其明显，如AI教师在英语课堂中“以活动带动整个课堂”、对单词的操练与展示以及流程的切换等。这些AI教师使用的程序或教学方法获得了两类教师的接受，并且许多教师认为这是达到教师减负的一些条件。值得注意的是，当受访教师谈及对AI教师促进真人教师减负的期望时，他们的话语转移到了关注效果导向（effect orientation）的行动，从课堂效果或者学生的学习兴趣入手反推教师减负增效的结论。以学习兴趣为例，我们基于编码节点，在11个关于学生学习兴趣的语句中，发现关于减轻教学负担或教师情感负担的话语共5个，如“激起学生的兴趣是很难的一件事情，如果AI老师可以激起他们兴趣，我觉得这是很棒的一个事情”（访谈资料C07）。在这种情况下，教师自动将自身地位下沉，从课堂的另一主体“学生”角度出发，将学生学习成效与自身减负进行关联，保证了课堂中两大主体的协同发展。
（四）建构“教师教学减负话语结构”模型
通过文化性话语分析，我们可以揭示两类教师受访者看待AI助力真人教师教学减负效应的话语体系模型（见图5）（图5略）。模型共包含三个部分，形成了三层环形整体结构。最内层为教师主体角色，由于本研究采纳了两类真人教师的观点，使得话语体系在整体中又呈现出一定的差异性，这种差异性主要体现于教学负担要素，并通过社会文化影响因素加以凸显。中间层为历时—共时融合的教师教学负担要素，包含时间层面的工作量负担（时间负担）以及空间层面的体力负担、情感负担和认知负担。最外层为教师减负话语的社会文化影响因素，包含个体需求、社会发展、具身实践、权力关系、话语身份以及行动导向六个要素。第一，个体需求与社会发展属于AI助力教师减负的话语背景。教师的教学经验以及专业发展需求形成了教师对AI赋能减负的关键话语信息源，而社会发展需求介入话语实践，说明了国家的政策要求以及社会的发展背景对教师学习新技术、新方法的显在影响。第二，话语身份、权力关系与具身实践属于教师减负话语的社会实践背景。话语身份转变的背后是教师在课堂中的权力关系转移，具身参与使得两类教师在身份以及权力关系的话语中形成一定的差异性。如E类教师的具身参与使得他们受到了周边环境对自我意识的内化影响，继而能够在当时场域中形成对真人教师固有身份的消解。C类教师的话语更可能源于传统教师对个体身份的清晰的固有认知。第三，导向行动是教师减负话语建构的指向，不同的话语导向使得教师对AI助力教师减负的关注点有所差异。
基于三层环形的教师减负话语结构模型，同时结合AI教师主讲课程开发的减负效应分析，我们可以发现：由于参与程度、实践经验以及话语立场的不同，两类教师在AI教师的角色定位、减负的达成条件、使用意愿等方面的看法与体会存在一定的差异，这就直接导致了受访教师在探讨时间、体力、情感以及认知负担时话语的差异性。此外，两类教师的教学负担也存在种类差异。联袂助教AI主讲课例的真人教师教学负担主要体现在认知层面，独自执教同课异构或公开课例的真人教师教学负担主要体现在体力与情感层面。两者差异背后的话语背景（个体需求与社会发展）以及导向行动并无显著的差异，但是在社会实践背景中的角色转变以及权力关系等方面具有不同的感受。
在AI主讲课程开发助力真人教师的教学减负研究过程中，文化性话语分析方法赋予了教师减负话语的文化整体性与历时—共时态教学负担新结构。AI教师主讲课程开发在一定程度上显示了教师教学减负的作用，但是在不同的视角、角色中，参与的真人教师对于时间、认知、情感以及体力负担呈现出了不同的看法与思考，最终形成了AI助力真人教师减负效应的话语体系模型，凸显了教师话语背后的文化与社会关系背景。
五、研究结论
基于“AI全科教师主讲课程开发”的试验性研究，我们对AI教师促进真人教师的教学减负效应进行了分析与探索。总结前面各个部分的介绍、分析、陈述和讨论，本研究取得了系列成果，虽也存在着一定局限，但昭示了诸多未来的新方向。
在本研究所取得的系列学术成果中，至少在方法、概念与模型、数据等三方面，形成了新的知识贡献点。第一，在“批判话语分析”基础上，创用“文化性话语分析”方法。文化性话语分析的建构在AI主讲课程开发的教师减负效应中彰显了具有批判性文化意识的话语属性。我们将多种访谈形式获得的原始材料转化为文本，以整体性的动态时空融合结构观照减负话语，为教师教学负担与减负研究提供了新的生长点。文化性话语分析的使用不仅突出了不同受访教师对减负效应看法的内容，还触及了教师们讨论其减负效应的方式。这样的比较视角有助于理解教师对待减负问题的认识角度以及特定认识背景如何塑造教师们评价AI助力教师减负的效果。文化性话语分析作为一种新颖的方法论知识[67][68]，是本研究的一个新贡献点。
第二，创新教师教学负担的文化概念和模型。基于文化性话语分析，我们建构起作为特殊文化活动的教学活动中教学负担的时空整体性概念。本研究再概念化了的教师教学负担，突破了心理学单一视角，拥有了时间、空间和负担三维整体视角，指称了教师在教学活动过程中承受的时间负担、体力负担、情感负担和认知负担及其多面多层多样的网络结构。同时本研究依托教学减负分析结果，清理和建构起了三层环形整体结构的“AI助力真人教师教学减负效应的话语体系模型”。新教学负担概念和AI助力真人教师教学减负效应的话语系统模型，作为新颖的概念化知识[69][70]，成为本研究第二方面的新贡献点。
第三，整理分析得到了关于AI主讲课程开发的真人教师教学减负效应的新数据与新成果。本研究结果显示，AI主讲课例开发可以显著减轻教师教学时间负担，具体而言，每节课可以平均减轻真人教师6.15小时的备课时间负担和0.5936小时的授课时间负担。口头或电话访谈的转录文本编码分析数据显示，联袂助教AI主讲课例和独自执教课例的两类教师，在AI教师促进真人教师教学减负的总体层面达成了共识——AI主讲课程开发在一定程度上开拓了全面的教师教学减负路径。更重要的是，我们还可以在更广泛的话语实践以及社会实践背景中，理解联袂助教AI主讲课例的教师和独自执教同课异构或公开课例的教师，对AI助力教学减负看法与观点的形成缘由和差异事实。同时，本研究分析结果数据呼应了前期的研究观点：研究者们在智能化技术或者信息技术代理解决教师负担问题的看法中持双重态度——（人工智能）技术能够减轻教师的工作负担（体力负担、情感负担）[71]，但也对教师的创造性工作提出了更高要求[72]，增加了教师的认知负担。AI主讲课程开发的真人教师教学减负效应的系列数据或证据，作为新颖的数据性知识，[73][74]成为本研究第三方面的新贡献点。
必须正视的是，本研究还存在一定的局限。首先是样本数量偏少和分析技术单一。本研究仅选取了11位一线教师进行访谈，以挖掘AI主讲课程开发的教师教学减负效应，在样本量上与质性研究的最低饱和条件还有稍许差距；在编码分析上，仅仅在备课、授课时间上进行了描述性统计呈现，没有进行比较推断性统计；在访谈话语分析上，仅仅在两类教师受访回答话语的情态词频上进行了描述性统计，没有全面呈现全部类别词频，没有进行描述性和推断性统计。
其次，本研究仅涉及了AI主讲课程开发的教学负担与减负效应的描述性定义。本研究仅探讨和阐释了教育智能化发展背景下教师教学负担的时空整体结构概念，尚未深入讨论和阐释所包含的时间负担、体力负担、情感负担与认知负担及其网络结构和影响因素的丰富涵义；仅考察了教学负担中时间负担、体力负担和情感负担减轻而认知负担增加的状况，尚未考察各种负担减轻和增加的单独与综合教学效应。
再次，本研究仅关注了教师的教学负担，并未详细讨论直接教学活动以外的教师工作的负担。事实上，教师工作负担也还包含与同事的合作、参与学校管理、个人职业发展活动以及与学生监护人的交流等方面。[75]
AI主讲课程开发的教师教学减负效应，体现了教育活动中的发展趋势：“人机境融合”让人工智能分担真人教师的“体力乃至脑力劳动”[76]。基于新贡献点并针对本研究所存在的局限，为进一步促进AI主讲课程开发背景下的真人教师教学减负效应，未来的实践和研究可以并需要开拓系列新方向。首先，创用适宜方法，拓展和深化教师教学负担和减负探索。需要和可以创用适宜混合研究方法，借助量表、全面的描述性与推断性统计等工具对教师教学横向的时间负担、纵向的生理/心理负担及其影响因素和教学发展效应及其机理，进行系统而深入探索；借助穿戴式眼动仪等进行课堂中真人教师的注视点分析，对真人教师教学负担来源进行细化分类，促进智能化教学中教师负担的内涵深化；进而采用因素分解和聚类分析，建立智能化时代指向教学高质量发展的教师教学负担量表，经过科学性验证与完善，以创新高质量发展的教师教学负担评估检测体系。
其次，凸显教师研究者角色发展。进入21世纪以来，我国一直在持续探讨“教师作为研究者”的课题[77]，而国外一些国家所做的大量工作，已经将人工智能时代教师研究者角色发展从理论落实到了实践[78]。然而有专门的文献研究发现，研究者角色的发展加重了“教师的负担”[79]。如果我们扩大视野，将它们联系起来看，本研究所确认的AI主讲课程开发助力真人教师减负效应，彰显了教师研究者角色的发展价值。厘清AI主讲课程开发的教师教学减负效应对未来教师角色转变，具有显著的价值和意义。在AI教师主讲的课堂中，真人教师的教学负担已经逐步由以前的体力负担与情感负担转变为认知负担，间接反映出了人工智能时代真人教师正在突破现有角色，发展为创新型、研究型教师。这在研究内容的广度上，为教师专业发展路向提供了一定的实证基础；而在研究内容的深化上，为进一步探索教师在智能化环境下新的认知负担及其影响因素打开了一些思路。
再次，AI主讲课程开发在彰显真人教师教学减负效应的同时，已经获得了显著的学生学习成效[80]，并且有可能让获得教学减负的真人教师更好地投身高质量课堂教学创新，将党和国家“减负提质”的高质量教学发展战略落实到课堂。阐明AI主讲课程开发的教师教学减负效应对提升课堂教学效果亦具有一定的价值与意义。减轻教师教学负担也对应着提升教学质量的新时代要求。从文化整体观考察教与学的关系，在课堂场域与社会文化背景下建构AI主讲课程开发的“师—生—机—境”多维融合路径，必将深化AI主讲课程开发提升课堂教学质量的实践行动。
最后，AI作为智能化媒介，可以将教学智力的支持共同体介导至薄弱地区或薄弱学校的课堂中，在减轻教师教学的时间、体力、情感与认知等负担的同时，形成薄弱地区教师助理AI授课的新形态。在保障已有教学质量的基础上，结合学校、课堂以及师生特点，进行教学创新，缩短城乡教学资源差距[81]。同时AI介导的高水平教学智能又可以通达薄弱地区的学校课堂，有可能显著提升教师专业水平有短板的学校和地区的课堂质量。由此，本研究所产生的新方法、新概念以及新模型将为未来AI全科主讲教师助力薄弱地区教育高质量发展的相关研究和实践提供框架与基础。
总之，本研究所取得的系列成果和所存在的一些局限，对未来教师负担与减负、教师研究者角色发展以及高质量课堂教学创新等课题，无论在实践上还是在研究上，都具有重要的启发意义。
参考文献：
[1]张家军，闫君子.中小学教师负担：减与增的辩证法[J].教育研究，2022（05）.
[2][59]赵健.技术时代的教师负担：理解教育数字化转型的一个新视角[J].教育研究，2021（11）.
[3]Chen, S., Qiu, S., Li, H., Zhang, J., Wu, X., Zeng, W., & Huang, F. An integrated model for predicting pupils’ acceptance of artificially intelligent robots as teachers[M]. Education and Information Technologies,2023:1-24.
[4]曾文婕，周子仪，黄甫全.人工智能与课堂教学深度融合的新路向——以“AI全科教师主讲课堂开发”为例[J].教师教育学报，2021（04）.
[5][50]黄甫全，伍晓琪，丘诗盈等.AI全科教师主讲课程学习成效试验研究[J].开放教育研究，2021（01）.
[6]李浩然，杨一格，康慧等.AI全科教师微课教学设计开发研究[J].广东第二师范学院学报，2019（06）.
[7][53]阮婷婷，黄甫全，曾文婕.智能化学本评估初探——基于AI教师主讲课堂的试验研究[J].教育研究与实验，2021（02）.
[8][51][56][80]黄甫全，朱琦，曾文婕.文化胜任力发展：人工智能时代新兴教育目标取向[J].中国电化教育，2021（12）.
[9][11]Chouliaraki, L.Discourse analysis. In: Bennett, Tony and Frow, John,(eds.) The Sage Handbook of Cultural Analysis.[M]. London, LDN: Sage Publications,2008:674,686.
[10]Hall, S. Representation: Cultural representations and signifying practices[M]. London, LDN: Sage & Open University Press,1997:220.
[12]王毓珣，王颖.关于中小学教师减负的理性思索[J].湖南师范大学教育科学学报，2013（04）.
[13]Lawrence, D. F., Loi, N. M., & Gudex, B. W. Understanding the relationship between work intensification and burnout in secondary teachers[J]. Teachers and Teaching,2019(2).
[14][32][42]Ilies, R., Huth, M., Ryan, A. M., & Dimotakis, N. Explaining the links between workload, distress, and work-family conflict among school employees: Physical, cognitive, and emotional fatigue[J]. Journal of Educational Psychology,2015(4).
[15]Huberman, M. Understanding and preventing teacher burnout: A sourcebook of international research and practice[M]. New York, NY: Cambridge University Press,1999:3.
[16]Hakanen, J. J., Bakker, A. B., & Schaufeli, W. B. Burnout and work engagement among teachers[J]. Journal of School Psychology,2006(6).
[17][18]Guglielmi, R. S., & Tatrow, K. Occupational stress, burnout, and health in teachers: A methodological and theoretical analysis[J]. Review of Educational Research,1998(1).
[19][23]Chaudhry, M. A., & Kazim, E.. Artificial Intelligence in Education (AIEd): A high-level academic and industry note 2021[J].AI and Ethics,2022(1).
[20]Ming, L. S.(2005). Reduction of teacher workload in a formative assessment environment through use of online technology. 2005 6th International Conference on Information Technology Based Higher Education and Training, F4A/18—F14A/21.
[21]Selwood, I., & Pilkington, R. Teacher workload: Using ICT to release time to teach[J]. Educational Review,2005(2).
[22]Samarakou, M., Papadakis, A., Fylladitakis, E. D., Hatziapostolou, A., Tsaganou, G., & Früh, W. G. An open learning environment for the diagnosis, assistance and evaluation of students based on artificial intelligence[J]. International Journal of Emerging Technologies in Learning,2014(3).
[24]Maran, T. Towards an integrated methodology of ecosemiotics: The concept of nature-text[J]. Sign System Studies,2007(1-1).
[25]黄甫全，左璜.当代行动研究的自由转身：走向整体主义[J].教育学报，2012（01）.
[26]李刚，王红蕾.混合方法研究的方法论与实践尝试：共识、争议与反思[J].华东师范大学学报（教育科学版），2016（04）.
[27]Jain, M., Caplan, Y., Ramesh, B. M., Isac, S., Anand, P., Engl, E., Halli, S., Kemp, H., Blanchard, J., Gothalwal, V., Namasivayam, V., Kumar, P., & Sgaier, S. K. Understanding drivers of family planning in rural northern India: An integrated mixed-methods approach[J]. PLoS ONE,2021(1).
[28][36]Fairclough, N. The discourse of New Labour: Critical Discourse Analysis. In S. Yates, S., Taylor, S., & Wetherell, M.(Eds). Discourse as Data: A Guide for Analysis[M]. Lodon: SAGE,2001:152,229-266.
[29]Fairclough,N. Analysing discourse: Textual analysis for social research[M]. New York: Routledge,2003.
[30]Fairclough,N. Critical Discourse Analysis: The critical study of language(second edition)[M]. New York: Routledge,2013.
[31]Dickens, S. Intentional, tacit, contingent: Knowledge recontextualization in the official History curriculum——a Critical Discourse Analysis[J]. Journal of Curriculum Studies,2021(5).
[33]Keesing, R. M. Theories of culture[J]. Annual review of anthropology,1974(3).
[34]麦克米伦，舒马赫.教育研究：基于实证的探究（第7版）[M].曾天山，译.北京：教育科学出版社，2013：214-215.
[35]Chiu, Y. L. T. Personal statement in PhD applications: Gatekeepers’ evaluative perspectives[J]. Journal of English for Academic Purposes,2015(2).
[37][66]Van Leeuwen, T. Discourse and practice: New tools for critical discourse analysis[M]. New York, NY: Oxford University Press,2008:113,113.
[38]Byram, M. Language awareness and (critical) cultural awareness-relationships, comparisons and contrasts[J]. Language Awareness,2012(1-2).
[39]欧阳谦.文化哲学的当代视域及其理论建构[J].社会科学战线，2019（01）.
[40]张倩.从资源配置到制度安排——国际比较视域下的教师减负[J].教育研究，2022（02）.
[41]李新.教师的工作负担及其影响因素研究——基于中国教育追踪调查（2014~2015学年）数据的实证分析[J].上海教育科研，2019（03）.
[43]Klusmann, U., Kunter, M., Trautwein, U., Lüdtke, O., & Baumert, J. Teachers’ occupational well-being and quality of instruction: The important role of self-regulatory patterns[J]. Journal of Educational Psychology,2008(3).
[44]Paas, F., Tuovinen, J. E., Tabbers, H., & Van Gerven, P. W. Cognitive load measurement as a means to advance cognitive load theory[J]. Educational psychologist,2003.
[45][64]黄甫全，杨一格，曾文婕，曾育芬.教学实践认识论纲[J].华南师范大学学报（社会科学版），2019（04）.
[46]Melamed, S., Shirom, A., Toker, S., Berliner, S., & Shapira, I. Burnout and risk of cardiovascular disease: Evidence, possible causal paths, and promising research directions[J]. Psychological bulletin,2006(3).
[47]Babkie A M, & Provost M C. Teachers as researchers[J]. Intervention in School and Clinic,2004(5).
[48]Tack, A. , & Piech, C. The AI teacher test: Measuring the pedagogical ability of blender and GPT-3 in educational dialogues. In Proceedings of the 15th International Conference on Educational Data Mining,:2022：522-529.
[49]高意博，黄甫全，刘大军.新课标下AI赋能义务教育课程高质量发展[J].湖南师范大学教育科学学报，2022（05）.
[53]曾文婕.德育研究科学化何以可能：来自神经科学的启示[J].教育研究，2021（07）.
[54]刘诗波，周先进.教育评价改革如何促进立德树人——2020年全国课程学术委员会常务理事会会议综述[J].课程·教材·教法，2021（03）.
[55]Leander, K. M. & Burriss, S. K. Critical literacy for a posthuman world: When people read, and become, with machines[J]. British Journal of Educational Technology,2020(4).
[57]Woolf,N. H. , & Silver, C. Qualitative analysis using NVivo: The five-level QDA® method[M]. New York, Routledge,2018:61-65.
[58]尹建玉，黄志媛.“我感觉”的话语标记功能分析[J].桂林航天工业学院学报，2021（04）.
[60]M. H ,B. K ,B. W , et al.The influence of perceived adaptiveness of a social agent on acceptance by elderly users[J].Gerontechnology,2008(2).
[61]Kelman C H .INTERESTS, RELATIONSHIPS, IDENTITIES: Three Central Issues for Individuals and Groups in Negotiating Their Social Environment[J].Annual Review of Psychology,2006(1).
[62]Buabeng-Andoh, C. Factors influencing teachersâ adoption and integration of information and communication technology into teaching: A review of the literature[J]. International Journal of Education and Development using ICT,2012(1).
[63]Jenkins, S., & Calhoun, J. F. Teacher stress: Issues and intervention[J]. Psychology in the Schools,1991(1).
[65]苗兴伟，赵云.批评话语分析的议程设置与路径演进[J].解放军外国语学院学报，2019（05）.
[67]Rhoads, R. A., Zheng, M., & Sun, X. The methodological socialization of social science doctoral students in China and the USA[J]. Higher Education,2017(2).
[68]Lapointe, L. Impact of a course in evidence-informed policy-making on the acquisition of methodological knowledge: Findings from be- fore-and-after studies conducted on three consecutive cohorts of master students[J]. Teaching Public Administration,2019(3).
[69]Braithwaite, D. W., & Sprague, L. Conceptual knowledge, procedural knowledge, and metacognition in routine and nonroutine problem solving[J]. Cognitive Science,2021(10).
[70]Raban, B. Strong conceptual knowledge developed through home reading experiences prior to school[J]. Journal of Early Childhood Re-search,2022(3).
[71]徐鹏.人工智能时代的教师专业发展——访美国俄勒冈州立大学玛格丽特•尼斯教授[J].开放教育研究，2019（04）.
[72]王帅.信息技术的教学本体进路及阈限[J].教育研究与实验，2018（06）.
[73]Lavigne, A., Eckert, N., Bel, L., & Parent, E. Adding expert contributions to the spatiotemporal modelling of avalanche activity under dif- ferent climatic influences[J]. Journal of the Royal Statistical Society: Series C (Applied Statistics),2015(4).
[74]Havnes, K., Lehnbom, E. C., Walter, S. R., Garcia, B. H., & Halvorsen, K. H. Time distribution for pharmacists conducting a randomized controlled trial—An observational time and motion study[J]. PLoS ONE,2021(4).
[75]John J ,Sam S .When is high workload bad for teacher wellbeing? Accounting for the non-linear contribution of specific teaching tasks[J].Teaching and Teacher Education,2021.
[76]郝祥军，贺雪.AI与人类智能在知识生产中的博弈与融合及其对教育的启示[J].华东师范大学学报（教育科学版），2022（09）.
[77]张华军.论教师作为研究者的内涵：教师研究性思维的运用[J].教育学报，2014（01）.
[78]Guha, S. Teacher as Researcher: Becoming Familiar with Educational Research to Connect Theory to Practice. Washington D. C. : Row man & Littlefield Publishers，2021.
[79]黄山.对“教师作为研究者”的再认识：17篇SSCI文献的综述及启示[J].教师教育研究，2014（06）.
[81]Yao, W. Educational equity in the age of artificial intelligence—taking the construction of rural teachers as an example[J]. US-China Education Review: A,2020(4).
Effects of Reduction on Teacher’ s Teaching Load in the Lesson Development of AI-Led Instruction: A Pilot Study
YangYige HuangFuquan LiangZishan
Abstract: As the problem of teacher overload is becoming acute day by day, both the Party and the Government have specifically enacted and implemented policies to reduce teachers’ workload so as to highlight the question about the effects of the curriculum development of AI-led instruction for teacher’s teaching load reduction in the context of intelligentied educational development. In this study, we use the integrated methodology to examine two issues of the effectiveness of teachers’ teaching load reduction of the AI-led lesson development and the differences between the teaching load reduction discourses of two groups of teachers: the ones assisting the AI-led instruction and the ones leading instruction. The results show that a new concept of teachers integrated teaching load, including time load, physical load, emotional load, and cognitive load, is constructed by using the dynamic temporal-spatial integration structural model of cultural holism to observe teachers’ teaching load, which provides a new theoretical framework for the research on teachers’ teaching load and load reduction. Using the method of cultural discourse analysis, we clarify the teacher’s load reduction effects of AI teacher-led lesson development on the abstract level, and reveals the cultural differences of experiences and explanations on the load reduction effects on the concrete level between the two groups of teachers, and construct a three-layer ring-shaped overall model of “teacher’s load reduction discourse structure”. Obviously, these suggest many implications for future practice and research on issues about the teacher’s load and load reduction, and the development of teachers’ researcher role as well as the innovation of high-quality classroom teaching.
Key words: AI teacher; teaching load; teacher workload reduction; cultural discourse analysis; integrative mixed methods
初审：曹洪家
复审：孙振东
终审：蒋立松
